清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

An Improved YOLOv5 Model for Concrete Bubble Detection Based on Area K-Means and ECANet

气泡 材料科学 机械 物理
作者
Wei Tian,Bazhou Li,Jingjing Cao,Feichao Di,Yang Li,Бо Лю
出处
期刊:Mathematics [MDPI AG]
卷期号:12 (17): 2777-2777
标识
DOI:10.3390/math12172777
摘要

The appearance quality of fair-faced concrete plays a crucial role in evaluating the engineering quality, as the abundance of small-area bubbles generated during construction diminishes the surface quality of concrete. However, existing methods are plagued by sluggish detection speed and inadequate accuracy. Therefore, this paper proposes an improved method based on YOLOv5 to rapidly and accurately detect small bubble defects on the surface of fair-faced concrete. Firstly, to address the issue of YOLOv5 in generating prior boxes for imbalanced samples, we divide the image preprocessing part into small-, medium-, and large-area intervals corresponding to the number of heads. Additionally, we propose an area-based k-means clustering approach specifically tailored for the anchor boxes within each of these intervals. Moreover, we adjust the number of prior boxes generated by k-means clustering according to the training loss function to adapt to bubbles of different sizes. Then, we introduce the ECA (Efficient Channel Attention) mechanism into the neck part of the model to effectively capture inter-channel interactions and enhance feature representation. Subsequently, we incorporate feature concatenation in the neck part to facilitate the fusion of low-level and high-level features, thereby improving the accuracy and generalization ability of the network. Finally, we construct our own dataset containing 980 images of two classes: cement and bubbles. Comparative experiments are conducted on our dataset using YOLOv5s, YOLOv6s, YOLOxs, and our method. Experimental results demonstrate that the proposed method achieves the highest detection accuracy in terms of mAP0.5, mAP0.75, and mAP0.5:0.95. Compared to YOLOv5s, our method achieves a 7.1% improvement in mAP0.5, a 3.7% improvement in mAP0.75, and a 4.5% improvement in mAP0.5:0.95.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
陆黑暗完成签到 ,获得积分10
3秒前
8秒前
xiaobin完成签到,获得积分10
10秒前
J陆lululu完成签到 ,获得积分10
11秒前
叨叨发布了新的文献求助10
13秒前
橘子海完成签到 ,获得积分10
21秒前
fearlessji完成签到 ,获得积分10
41秒前
yupingqin完成签到 ,获得积分10
56秒前
一白完成签到 ,获得积分10
1分钟前
毛毛弟完成签到 ,获得积分10
1分钟前
1分钟前
小顺完成签到 ,获得积分10
1分钟前
fff发布了新的文献求助10
1分钟前
坚强的广山完成签到,获得积分0
1分钟前
你说的完成签到 ,获得积分10
1分钟前
共享精神应助fff采纳,获得10
2分钟前
2分钟前
NexusExplorer应助Sophie采纳,获得10
2分钟前
小白白白完成签到 ,获得积分10
2分钟前
何晓俊完成签到,获得积分10
2分钟前
三石SUN完成签到 ,获得积分10
3分钟前
亮总完成签到 ,获得积分10
3分钟前
ewind完成签到 ,获得积分10
3分钟前
海鹏完成签到 ,获得积分10
3分钟前
feimengxia完成签到 ,获得积分10
3分钟前
3分钟前
小马甲应助wyt采纳,获得10
3分钟前
3分钟前
宁安完成签到 ,获得积分10
3分钟前
trussie发布了新的文献求助10
3分钟前
萧布完成签到,获得积分10
3分钟前
土豪的灵竹完成签到 ,获得积分10
3分钟前
tsy完成签到 ,获得积分10
3分钟前
嫁个养熊猫的完成签到 ,获得积分10
3分钟前
橙汁摇一摇完成签到 ,获得积分10
3分钟前
爆米花应助trussie采纳,获得10
3分钟前
潘fujun完成签到 ,获得积分10
4分钟前
丰富的绮山完成签到,获得积分10
4分钟前
在水一方应助Omni采纳,获得10
4分钟前
葫芦芦芦完成签到 ,获得积分10
4分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068255
求助须知:如何正确求助?哪些是违规求助? 2722176
关于积分的说明 7476072
捐赠科研通 2369142
什么是DOI,文献DOI怎么找? 1256228
科研通“疑难数据库(出版商)”最低求助积分说明 609518
版权声明 596835